Zufallsgenerator

Zufallsgeneratoren erzeugen Zahlenfolgen, die schwer vorherzusagen sind. Der Begriff umfasst sowohl hardwarebasierte Quellen, die echte Zufälligkeit liefern, als auch softwarebasierte Algorithmen, die Pseudozufallszahlen erzeugen. Man unterscheidet zwischen echten Zufallsquellen (True Random Number Generator, TRNG) und pseudozufälligen Generatoren (PRNG).

Echte Zufallsgeneratoren nutzen physikalische Prozesse, etwa elektronisches Rauschen, Messungen quantenbasierter Phänomene oder andere unvorhersagbare Naturprozesse, um Entropie zu gewinnen. Die Entropie wird gesammelt und in einen Zufallsstrom überführt. Solche Generatoren liefern in der Praxis in der Regel nicht reproduzierbare Folgen, müssen aber regelmäßig auf Qualität und Bias geprüft werden.

Softwarebasierte Generatoren arbeiten mit Algorithmen, die aus einem Seed eine Folge von Zahlen ableiten. Sie sind schnell und reproduzierbar, aber abhängig von der Zufälligkeit des eingesetzten Seeds. Typische PRNGs sind lineare Kongruenzgeneratoren, der Mersenne-Twister oder Xorshift. Für kryptographische Zwecke eignen sie sich ohne zusätzliche Sicherheitsmaßnahmen nicht zuverlässig.

Kryptographisch sichere Zufallsgeneratoren (CSPRNGs) kombinieren Entropiequellen mit kryptografischen Verfahren, um Unvorhersagbarkeit sicherzustellen. Konzepte umfassen DRBGs wie CTR-DRBG, HMAC-DRBG oder Hash-DRBG, gemäß Normen wie NIST SP 800-90. Sie finden Anwendung in Schlüsselgenerierung, sicheren Protokollen und Tokenisierung.

Tests und Standards prüfen die Qualität von RNGs. Dazu gehören statistische Batterien wie DieHarder, DieHard, TestU01 oder der NIST SP 800-22-Testkatalog. Wichtige Kriterien sind Gleichverteilung, Unabhängigkeit, niedriger Bias und ausreichende Entropiequellen.

Anwendungen finden sich in Simulationen, Monte-Carlo-Verfahren, Computerspielen, Lotterien sowie in der Kryptographie. Die Wahl des Generators hängt von den Anforderungen an Sicherheit, Geschwindigkeit und Reproduzierbarkeit ab.